IAmCosmin-YT/emotion-factory-devlog-shorts

Devlog- & High-Retention-Shorts-Bearbeitungs-Skill (81-Video-Frame-by-Frame-Forensic-Edition)

Ein komplettes Produktionshandbuch und Python/OpenCV/PIL-60fps-Frame-by-Frame-Compositing-System zur Erstellung viraler YouTube-Shorts, TikTok-Devlogs und Gaming-Promos. Abgeleitet aus einer Frame-by-Frame-forensischen Inspektion von 81 Videos (162 Kontakt- & Hook-Sheets) über Vedinad (alle 28 Shorts + 2 Langform-Videos), Danidev (15 Devlogs, Dani2-Videos und DaniClips-Shorts), Wishbone Games (10 Shorts und Devlogs), c dev (14 Shorts und Devlogs), SSundee (5 Intro-Hooks) und 7 virale Referenz-Shorts (tt_wynge, ref5, story_video, speed_main, speed_rivals, speed_toh, speed_flop).

---

1. Die 7 unverhandelbaren Gesetze (aus Frame-by-Frame-Beweisen)

1. KEIN dauerhafter oberer Header-Banner:

   • Nie einen breiten statischen rechteckigen Header-Banner oben im Video anheften. In allen 15 Danidev-Videos, 10 Wishbone-Videos, 14 c-dev-Videos, 5 SSundee-Videos und 7 Referenz-Shorts (tt_wynge, ref5, story_video, speed_*) wird kein dauerhafter oberer Header-Banner verwendet.
   • Selbst in Vedinads Shorts haben viele (PvmyoTRTKho, qEOSXthsSUU etc.) gar keinen oberen Text oder verwenden einen kompakten, temporären nativen TikTok-Text-Sticker, der nach Akt verschwindet oder sich ändert (0–4s Hook -> verschwindet während B-Roll -> temporäres "Warte ab..." -> verschwindet). Decke niemals das obere Gameplay-HUD mit einem permanenten Banner ab.

2. Echte Frame-by-Frame-Hook-Architektur (0,00s – 2,50s):

   • Archetyp A — Animierter Wort-für-Wort-Kommentar-/Discord-Karte auf sauberem Raster oder dunklem/verschwommenem Hintergrund (Vedinad / Dani / c dev):
     • Öffnet auf einem sauberen diagonal scrollenden blauen Kachelraster (#1A66CC bis #2B82F6), dunklem Schieferraster (#12131A) oder stark verschwommenem Gameplay (GaussianBlur(25)).
     • Eine 3D-geneigte YouTube-Kommentarkarte oder dunkle Discord-Nachricht (#313338) startet im Maßstab 1,0x (-3,5° bis -5° Neigung). Während der Kommentartext Wort für Wort synchron zum Voiceover eintippt (0,00s–1,60s), zoomt die virtuelle Kamera hinein (1,0x -> 2,0x) und schwenkt horizontal von links nach rechts, um jedes Wort zu verfolgen.
     • Bei 1,60s–2,10s schnappt die Kamera zurück auf 1,0x (kippt die Neigung auf +3,5°) auf ein 1-2-Wort-Reaktion des Erzählers ("OH OH", "OKAY...", "BRUDI...", "HERAUSFORDERUNG ANGENOMMEN"), und verschwindet vollständig durch harten Schnitt bei 2,00s–2,50s.
   • Archetyp B — High-Impact-Motion-Graphics-/Counter-Slam-Hook (tt_wynge / c dev rcS9EkA_pco / Wishbone):
     • Öffnet sofort auf einer vollbildschirmfüllenden 3D-geneigten UI-Karte, einem sich leerenden/tickenden Statusbalken ($8.356 -> $0 oder 0 -> 278.824) oder 1-Wort-Mittig-Neon-Glow-Slams ("Dies" -> "Roblox" -> "Spiel") mit RGB-Farbfehler und Bildschirmwackeln.

3. Medienwechsel & B-Roll-Cutaways alle 1,0s – 1,7s (35–55 Schnitte/Min):

   • Reines Gameplay – selbst mit Zoom-Schnitten – führt zu Ermüdung des Zuschauers, wenn es nicht durch vollbildschirmfüllende grafische Musterunterbrechungen aufgelockert wird. Alle 4–6 Sekunden straffes Gameplay müssen von einem dieser 5 charakteristischen Devlog-Cutaways (Dauer 0,6s–1,8s) unterbrochen werden:
     1. Black-Screen-Deadpan-Text-Slam (#000000): Reiner schwarzer Bildschirm mit mittig einschlagendem Text ("aber es wird SCHLIMMER", "ES WIRD NOCH VERRÜCKTER", "ALSO JA", "WARTE AB..." oder kleingeschriebener todernster Text "rip bohn").
     2. Black-Screen-Numbered-Dev-Checkliste: Eintippen einer 3-4-Punkte-Liste auf reinem Schwarz ("1. Emotionsfabrik bauen", "2. mürrische Arbeiter einstellen", "3. 10x Gewittersturm", "4. Profit??").
     3. 3D-Perspektivisch geneigte Code-/Studio-Inspektor-Karte: Eine dunkle IDE (#0D1117) oder Inspektor-Karte, in 3D-Perspektive geneigt (cv2.warpPerspective) mit syntax-hervorgehobenem komödiantischem Code (cube.Value *= 10; // balanced lol) oder geschwindigkeitsgerampter Eingabe (400%–800%).
     4. Animierte Nummernzähler-/Multiplikator-Karte: Eine dunkle, unscharfe Karte, auf der ein massiver Zähler schnell hochzählt (1x -> 10x -> 1.000x oder $0 -> $1.000.000.000) mit einem leuchtenden Fortschrittsbalken.
     5. Gestapelte Seltenheits-/Rang-Leiter-Karte: Vertikaler Stapel farbcodierter horizontaler Pillen-Balken (GLÜCKLICH $5 -> MURRISCH $75 -> WUT $400 -> SCHOCKIERT 10x -> AUFGESTIEGEN $10.000), die nacheinander erscheinen.

4. Sauberes, enges Gameplay-Cropping (Keine überladenen Menüs):

   • Beim Zuschneiden von 16:9-Gameplay auf 9:16 (1080x1920) niemals versehentlich eingeblendete Einstellungs-Popups, Speicherstand-Dialoge oder winzige unlesbare Seitenleisten einschließen.
   • Eng zuschneiden (Skalierung 1,35x–1,85x) auf den aktiven Fokuspunkt: die Spielfigur, Förderband-Objekte, Physik-Kollisionen, Boss-Laser oder schwebende Schadens-/Geldzahlen. Dezente dunkle Verlaufs-Vignetten oben/unten verwenden (Alpha 0,0 -> 0,55), damit kinetische Typografie 100% Kontrast hat.

5. Riesige kontrastreiche kinetische Typografie (95pt – 160pt):

   • Niemals winzige 50pt–60pt-Untertitel verwenden, die unten am Bildschirm vergraben sind.
   • Standard-Gameplay-Position: Untere Mitte Safe-Zone (Y = 1280 bis 1380, 67%–72% von oben) – sauber unter der zentralen Charakter-Aktion und deutlich über der unteren UI-Leiste (Y > 1550).
   • Vollbild-Karten-/Slam-Position: Exakt mittig (Y = 860 bis 980, 45%–51% von oben).
   • Styling: Schwere geometrische serifenlose Schrift (Segoe UI Black, Montserrat Black, Arial Black), ALLES GROSS, maximal 1 bis 3 Wörter (oder 2-zeilig gestapelte Schlagwort-Verbindungen wie "GEFÜHLE TYCOON", "10X SCHOCK WERT"), 12px–16px durchgehende #000000-Kontur + tiefer Schlagschatten + optionaler farbiger Neon-Außenglanz (Rot, Gold, Neon-Grün, Cyan).
   • Spring & Blur Entry: Jeder Wortblock erscheint mit einem 4-Frame-Überschwinger (70% -> 116% -> 100%) und optionalem 1-Frame-horizontalem, richtungsabhängigem Bewegungsunschärfe bei schnellen Übergängen.

6. Klare, natürliche Browser-Sprachausgabe (Null roboterhafte Edge-TTS):

   • Niemals flache, metallische CLI-Synthesizer verwenden (edge-tts oder OS SAPI).
   • Sprachausgabe über einen eingebundenen Chromium-Browser mittels Playwright generieren, der expressive neuronale Sprach-Engines verwendet (wie https://www.openai.fm mit benutzerdefinierten Sprach-Schauspiel-Prompts oder Browser-ElevenLabs, wenn nicht blockiert), dann purge_silence.py ausführen, um alle Pausen > 80ms zu entfernen und exakte frame-genaue Wort-Zeitstempel mit Whisper zu extrahieren (words.py).

7. Die nahtlose Endlosschleife (Verbal + Visuell):

   • Die letzte 1,0s des Videos darf niemals ausblenden oder "Danke fürs Zuschauen, abonniere!" sagen. Stattdessen auf einem abrupten komödiantischen Schnitt oder unvollständigen grammatikalischen Satz enden ("...weshalb die Leute immer sagen..."), der direkt in Frame 0 übergeht ("...man KEINE Fabrik bauen kann, die buchstäblich Emotionen züchtet!").

---

2. Durchgängige Produktions-Pipeline

Schritt 1: Browser-Voiceover-Generierung & Wort-Zeitstempel

1. Ein straffes 30–38 Sekunden Skript (95 bis 125 Wörter bei 185–210 Wörtern/min) schreiben, strukturiert in 5 schnelle Akte mit einer Endlosschleife am Ende.
2. Klare, ausdrucksstarke Audio-Datei via Playwright Chrome generieren (scripts/generate_browser_tts.py), tote Luft > 80ms entfernen (scripts/purge_silence.py) und exakte Wort-für-Wort-Zeitstempel mit words.py extrahieren.

Schritt 2: Frame-by-Frame-60fps-OpenCV-+-PIL-Compositor

Statt sich auf statische FFmpeg-Overlay-Filter zu verlassen, rendere das Video bei 1080x1920 @ 60fps mit einem Frame-by-Frame-Python-Compositor (cv2 + PIL + numpy), der exakte Pro-Frame-Animationsmathematik berechnet (ease_out_back, ease_in_out_cubic, 3D-Perspektiv-Warp, Kamerawackeln, RGB-Glitch-Splits und Partikel-Overlays):

• 0,00s – 2,20s (Akt 1 — Kommentar-Zoom-Hook): Animierter blauer/dunkler Rasterhintergrund + 3D-geneigte Kommentarkarte, die Wort für Wort eintippt, während 1,0x -> 1,85x gezoomt und über die Wörter geschwenkt wird; zurückschnappen bei der Reaktion des Erzählers.
• 2,20s – 8,50s (Akt 2 — Prämisse & Kernschleife): Enge Schwenk- und Scan-Gameplay-Schnitte (je 1,1s–1,5s), unterbrochen von einer 3D-geneigten Luau/C#-Skript-Karte und einer nummerierten Dev-Checkliste auf schwarzem Bildschirm.
• 8,50s – 21,0s (Akt 3 — Mechanik-Eskalation & Synergien): Schnelle Gameplay-Vorführungen von Upgrades/Arbeitern/Synergien, unterbrochen von einem Black-Screen-Deadpan-Slam ("ABER ES WIRD SCHLIMMER") und einer 5-stufigen gestapelten Seltenheits-/Emotions-Leiter-Karte.
• 21,0s – 31,0s (Akt 4 — Wetter-/Boss-Höhepunkt & animierter Zähler): Hochintensives Event-Gameplay (z.B. Gewitter 10x Blitzeinschläge, Blutmond purpurne Würfel, Hydraulik-Presse) gepaart mit einer tickenden Multiplikator-/Geldzähler-Karte ($1 -> $1.000.000.000) und vollbildschirmfüllenden Einschlag-Blitzen.
• 31,0s – 34,5s (Akt 5 — CTA & nahtlose Loop-Outro): Klare Spieltitel-/Play-CTA-Karte, die mitten im Satz zurück in Frame 0 übergeht.

Schritt 3: Hyper-komprimierter Audio-Mix (-14 LUFS, LRA 3,1 LU)

Die von Stille befreite Sprachausgabe (0 dB) mit geduckter, fröhlicher Hintergrundmusik (-20 dB unter Sprache) und echten lizenzfreien SFX (Pixabay / MyInstants / Kenney – niemals KI-generiertes Rauschen) mischen:

• Tastatur-Klickgeräusche synchron zu jedem Wort, das auf der Hook-Kommentarkarte und der Checklisten-Karte erscheint.
• Scharfe Whooshes bei jedem Kamera-Einzoom und 3D-Karten-Flip.
• Pop / Holz-Klicks bei Schlüsselwort-Untertitelerscheinungen.
• Bass-Boom / Vine-Boom bei Black-Screen-Deadpan-Slams und Höhepunkt-Enthüllungen.
• Geldklingen / Donner bei Zähler-Finishes und Multiplikator-Treffern.

---

3. Detaillierte forensische Referenzhandbücher

• Creator-Analysen & 81-Video-Forensik-Profile: Vollständige Pro-Creator-Regeln, destilliert aus allen 30 Vedinad-Videos, 15 Danidev-Videos, 10 Wishbone-Games-Videos, 14 c-dev-Videos, 5 SSundee-Videos und 7 Referenz-Shorts.
• Hook-Architektur & Verweildauer-Schleifen: Exakte Frame-by-Frame-Mathematik für Vedinad/Dani-Kommentar-Zoom-Hooks, tt_wynge/c dev-Motion-Graphics-Hooks und Endlos-Schleifen-Skripting.
• Kinetische Untertitel & Typografie-Spezifikation: Schriftgrößen (95pt–160pt), 1–2-zeilige Stapelung, Überschwinger-Kurven, gerichtete Bewegungsunschärfe und semantische Glanz-/Farbpaletten.
• Tempo, Cutaways & B-Roll-Engineering: ASL-Metriken über alle 81 Videos hinweg, Black-Screen-Text-Slams, 3D-geneigte Code-Karten, Seltenheits-Leitern und 9:16-Pan-and-Scan-Framing-Regeln.
• Sounddesign, Browser-TTS & Audio-Mastering: Playwright-Browser-TTS-Generierung, Stille-Entfernung, SFX-Synchronisationskarte und -14 LUFS-Mastering-Kette.

---

4. Qualitätskontrolle & visuelle Überprüfungs-Checkliste

Vor der Auslieferung eines gerenderten Shorts ein 60-Frame-Kontaktblatt + 24-Frame-4fps-Hook-Blatt generieren und beide mit view_file inspizieren:

• Kein dauerhafter oberer Header-Banner: Bestätigen, dass KEIN permanentes weißes/schwarzes Banner oben im Video angeheftet ist.
• Frame 0–60 Hook-Bewegung: Tippt die einleitende Kommentarkarte oder der Motion-Graphics-Hook aktiv Wort für Wort ein und zoomt/schwenkt über 0,0s–2,2s und verschwindet dann vollständig?
• Saubere Gameplay-Zuschnitte: Sind 100% der Gameplay-Aufnahmen frei von versehentlichen EINSTELLUNGEN, SPEICHERSTÄNDEN oder überladenen Menü-Popups?
• Visuelle Medienvielfalt: Wechselt das Video zwischen engem Gameplay und vollbildschirmfüllenden grafischen Cutaways (Black-Screen-Slams, 3D-Code-Karten, animierte Zähler, Stufenleitern) mindestens alle 4–6 Sekunden?
• Übergroße lesbare Typografie: Sind Untertitel 95pt–150pt mit dicken schwarzen Umrissen/Glühen, sauber in der Safe-Zone positioniert (Y = 1280–1380 oder mittig Y = 880–960 auf Grafikkarten), ohne die unteren UI-Buttons zu überlappen?
• Klarheit der Sprachausgabe: Wurde die Sprachausgabe über browser-basierte neuronale TTS generiert (nicht roboterhafte CLI edge-tts) und wurden alle Pausen > 80ms entfernt?